正如字面理解，包含两个方面：一是有序性，如调研中常用的满意度常用李克特量表，即有序的因变量；二是logistic分类，如1代表优秀、2代表良好、3代表一般等等。
因变量为
分类变量
，且
分类间有次序关系
，针对因变量为分类型数据的情况应该选用Logistic回归，故应采用有序多分类的Logistic回归分析模型进行分析。
常应用的方向为
：空气污染预测、医学类研究、心理学研究、满意度等定量研究。
本文分为
五个步骤
来进行有序分类logistic回归。
第一步：相关性分析
请注意，
有序
多项式
Logistic回归
分析是一种复杂的统计方法，合适的模型选择和数据解释是非常重要的。在实际应用中，可能需要考虑更多的模型选择和评估方法，以确保模型的准确性和稳健性。
有序
多项式
Logistic回归
适用于
有序
响应变量的情况，其中响应变量有多个
有序
的类别。首先，我们创建一个虚拟的
有序
响应变量和两个自变量的数据集。函数拟合了一个
有序
多项式
Logistic回归
模型，并进行了预测和评估。函数会输出拟合的
有序
多项式
Logistic回归
模型的摘要，包括
回归
系数估计、标准误、z值和p值等信息。
在临床研究中，接触最多的是二
分类
数据，如淋巴癌是否转移，是否死亡，这些因变量最后都可以转换成二
分类
0与1的问题。更改了参考类别后，咱们使用prog2为结局变量建立无序
多分类
逻辑
回归
模型，很多包可以建立这个模型，我这里用vglm包来建，我觉得比较简单点。这个数据是高中生毕业后的一个就业计划数据，Prog是结局变量，是个三
分类
变量，预测变量是ses社会经济地位，其他的是一些协变量。还可以做交互效应的，把交互效应打上去就可以啦，我这里就不弄了。变量比较多，咱们选出需要的变量，并且把字符变量转成因子。
Logistic
回归
是
回归
分析的一种形式，适用于因变量为二
分类
或
多分类
的情况。而
有序
多项式 Logistic
回归
是一种扩展的 Logistic
回归
方法，适用于因变量为
有序
分类
的情况。本文将介绍如何使用 R 语言实现
有序
多项式 Logistic
回归
分析，并提供相应的源代码。这样，我们就完成了使用 R 语言实现
有序
多项式 Logistic
回归
分析的过程。通过拟合模型并进行预测，我们可以根据自变量来预测
有序
分类
的因变量。
有序
多项式 Logistic
回归
模型拟合完成后，我们可以使用模型来进行预测。
引言：前面我们已经掌握了
logistic回归
的知识点，今天就来看看如何用
R语言
实现
logistic回归
。今天用到的数据来源于机器学习仓库，基于患者的一些信息以判定该患者是否患有心脏病(heart disease, hd)，链接如下：http://archive.ics.uci.edu/ml/datasets/Heart+Disease1. 数据读取###1读取UCI机器学习中的数据u...
一、模型简介
有序
多分类
logistic回归
用于因变量为
有序
多分类
的情况，如患者对药物的反应y共有三种情况：疗效差、一般和好。定义y=1(疗效差)、y=2(疗效一般)、y=3(疗效好)。对于
有序
多分类
logistic回归
，模型将因变量的多个
分类
依次分割为多个二元
logistic回归
。如3种不同疗效的患者，分析时拆分为2个二元
logistic回归
，分别为 (1vs 2 3) 、(1 2 vs...
多分类
logistic回归
在临床研究中，接触最多的是二
分类
数据，如淋巴癌是否转移，是否死亡，这些因变量最后都可以转换成二
分类
0与1的问题。然后建立二元
logistic回归
方程，可以得到影响因素的OR值。那么如果遇到
多分类
变量，如何进行
logistic回归
呢？譬如临床疗效分为好，中，差，三类，或者根据指标进行
分类
，分为高，中，低三类，我用１、２、３代表作为因变量，进行
logistic回归
分析。ima...
当涉及到二
分类
时，我们第一想到的就是
logistic回归
。前面也讲解过其他的二
分类
其的构建。本文主要分享logistic有关的二
分类
，无序
多分类
，
有序
多分类
和条件
logistic回归
。本文因没有配图，略显枯燥，建议在运行本代码的过程中1.全神贯注，盯住每一个结果；2.建议对统计学知识有一个自学或复习，甚至建议各位朋友找到相关关于
logistic回归
的帖子或教材，配合着学习/理解，同时大家多多交流。...
Logistic回归
分析用于研究X对Y的影响，并且对X的数据类型没有要求，X可以为定类数据，也可以为定量数据，但要求Y必须为定类数据，并且根据Y的选项数，使用相应的数据分析方法。
1、问题与数据
在某胃癌筛查项目中，研究者想了解首诊胃癌分期（Stage）与患者的经济水平的关系，以确定胃癌筛查的重点人群。为了避免性别因素对结论的混杂影响，研究者将性别（Sex）也纳入分析（本例仅为举例说明如何进行软件操作，实际研究中需控制的混杂因素可以更多）。研究者将所有筛查人群的结果如表1，变量赋值如
有序
Logistic回归
——因变量是
有序
分类
变量的
回归
分析 【例】研究BMI相关的危险因素。资料如下：表1 BMI相关危险因素原始资料 将BMI分成三类并赋值——正常(BMI=18-23)=1、偏高(BMI=24-27)=2、肥胖(BMI≥28)=3；性别赋值——1=男，0=女；年龄分组并赋值——20-29岁组=1、30-39岁组=2、40-49岁组=3；糖尿病状态赋值——有=1、无...
本例使用MASS包中的housing数据集，该数据集是关于哥本哈根住房情况的调查数据。其中包括5个变量，分别为：房主对他们目前住房的满意度（高、中、低），记为Sat是
有序
变量；房主认为物业管理的影响程度（高、中、低），记为Infl；租赁住房的类型（塔式、中庭、公寓、露宿），记为Type；与其他住户的沟通程度（低、高），记为Cont；每组对应的居民人数，记为Freq，其中共3∗3∗4∗2=723*3...
首先多元
有序
logistic回归
是针对因变量水平数大于2并且为
有序
变量10的一个情况。做了一个多因素
Logistic回归
分析得到的结果呢就是一个独立影响因素。π2π3呢就是水平数2和3发生的概率然后这个π一比上π二加π三。SPSS关于有
有序
logistic这些
回归
分析的一些模块。说明这个模型是显著的也就是说至少有一个变量的系数是显著的。看到左侧是放置我们变量的因变量就放置我们的这个
有序
变量。说明是满足平
有序
logistic这个
回归
分析的一个条件。你看他这说明的是将表一中有差异的变量作为4变量。
